Ancova (Analysis of Covariance). Adalah Anova yang memasukkan variabel metrik independen sebagai covariate ke dalam model. Tujuannya adalah untuk menurunkan error varian dengan cara menghilangkan pengaruh variabel non kategorial (metrik atau interval) yang kita percayai membuat bias hasil analisis. Hal ini penting khususnya jika subyek tidak diambil secara random seperti dalam kasus job survey. Misalkan kita ingin mengetahui hubungan antara kepuasan kerja dari dua faktor yaitu gender dan etnik pegawai. Kita ketahui bahwa kepuasan kerja berkorelasi positif dengan income, sehingga orang yang berpendapatan lebih akan meningkatkan kepuasan mereka. Adalah mungkin bahwa gender dan etnik pegawai juga akan berhubungan dengan income. Wanita mempunyai income lebih rendah daripada laki-laki dan etnik kulit hitam mempunyai income lebih kecil daripada etnik kulit putih. Jika hal ini terjadi, maka hubungan antara dua faktor gender dan etnik terhadap kepuasan kerja akan bias oleh hubungan kedua faktor tadi terhadap income. Untuk mengontrol variabel income, maka kita harus memasukkan variabel income sebagai covariate (variabel metrik atau interval). Jika income tidak berkolerasi terhadap kepuasan kerja maka kita tidak perlu membuat covariate.
Dalam contoh kita di atas misalkan variabel dependen gaji sekarang (current salary) dipengaruhi oleh variabel gaji awal (metrik) dan kita juga yakin bahwa variabel independen jobcat dan gender dipengaruhi oleh gaji awal. Gaji awal dalam hal ini merupakan variabel covariate.
Langkah analisis:
a. lakukan langkah seperti dalam contoh Two Way Anova.
b. tambahkan variabel covariate yaitu selbegin (gaji awal).
c. Pilih model dan buat model dengan persamaan : Salary = a + b1 jobcat + b2 gender + b3 jobcat*gender + b4 salbeg
d. pilih Continue -> OK.
Output:
Output di atas menunjukkan bahwa variabel covariate salbegin ternyata signifikan dan pengaruh interaksi jobcat dan gender menjadi tidak signifikan oleh karena adanya variabel covariate salbegin (gaji awal).
Tidak ada komentar:
Posting Komentar